导读:本文包含了阴影检测和去除论文开题报告文献综述及选题提纲参考文献，主要关键词:ViBE,边缘特征,颜色特征,多特征融合
阴影检测和去除论文文献综述
王威,李志华,吴世宇[1]（2019）在《基于多特征融合的车辆阴影检测与去除》一文中研究指出基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。(本文来源于《计算机与现代化》期刊2019年12期）
梁永侦,潘斌,郭小明,梁媛[2]（2019）在《基于LAB颜色空间的图像阴影检测与去除方法》一文中研究指出为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比(PSNR)和结构相似度(SSIM)这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如:在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。(本文来源于《计算机与现代化》期刊2019年10期）
王林,和萌[3]（2019）在《基于改进混合高斯模型与阴影去除的目标检测》一文中研究指出随着计算机视觉和摄像设备的日益普及,目标检测技术已经成为一个重要的研究领域;虽然提出了几种目标检测方法,但由于其适用性与局限性,并不能解决实际复杂场景中的各种挑战;针对传统混合高斯模型对动态背景、光照变化和阴影敏感等问题,提出一种混合高斯模型的改进算法,用于视频中目标检测;该方法首先通过传统混合高斯模型获取当前帧目标的粗略区域;通过将双级学习率和组合权重引入混合高斯模型,从而区分出运动区域与包含动态背景的背景区域;然后进一步利用基于颜色特性与空间连续性的方法去除阴影;最后通过形态学处理提取出准确的运动目标区域;对比实验表明,所提方法不仅能够有效去除动态背景,而且能够有效抑制阴影和光照变化的影响。(本文来源于《计算机测量与控制》期刊2019年07期）
方岚,于凤芹[4]（2019）在《去除鬼影及阴影的视觉背景提取运动目标检测算法》一文中研究指出针对视觉背景提取(Vibe)运动目标检测算法存在的鬼影及阴影问题,利用鬼影与背景相似而运动目标与背景差异大的特点,提出了一种基于前景和邻域背景像素直方图相似度匹配的方法,快速检测鬼影并更新背景模型;利用阴影的颜色特性和纹理不变性,提出在亮度和色度分离的YCbCr色彩空间中先根据颜色特性得到候选阴影区域,再利用完全局部二值模式算子(CLBP)提取区域的详细纹理特征,进一步检测与去除阴影。在公开视频数据库CDnet-2012上进行仿真,仿真结果表明,该算法能够保证运动目标被完整检测的同时快速去除鬼影和阴影,其检测精度比原Vibe算法提高了21.53%。(本文来源于《激光与光电子学进展》期刊2019年13期）
郭玲[5]（2019）在《基于单幅图像的阴影检测与去除方法及系统》一文中研究指出图像阴影是光线沿直线传播遇不透明物体而形成的一个暗区。阴影会导致图像色彩变化,亮度变低,甚至改变图像纹理。因此,阴影去除对于增强图像可见性具有重要意义,本文围绕单幅图像的阴影检测和阴影去除展开研究,具体工作包括:1.针对单幅图像阴影检测中阴影区域与暗区域不易区分的问题,提出一种基于颜色空间聚类的阴影检测方法。首先,采用自适应增强的方法,将图像分解为具有锋利边缘和细节层的均匀区域,通过放大细节层来增强图像;然后,利用均值聚类结果训练KNN分类器得到初始阴影掩模;最后,为了减弱图像中的纹理噪声并去除暗区域,采用YUV融合图像和颜色比值对初始的阴影掩模去噪,得到最终的检测结果。本文方法能够区分阴影区域与暗区域,并且一定程度上能够避免复杂纹理对检测结果的影响,实验表明本文方法能够更精准的检测阴影区域。2.针对现有方法去除阴影时半影区域对去除效果的影响和去除阴影后图像纹理不一致现象,提出一种基于半影区域光照恢复和颜色校正的阴影去除方法。首先,根据阴影掩模得到阴影边界并依据边界的曲率进行采样,通过平滑插值和外推,以及像素变化规律得到半影区域;然后,分别对半影区域和本影区域进行光照恢复;最后,迭代的对齐每个尺度上的阴影边界去除光照区域和阴影区域之间的不一致性,得到光照一致的去阴影图像。实验表明本文方法不仅不会在边缘部分留下由于半影区域而产生的人工痕迹,而且去除阴影后的图像在色度、亮度和纹理上具有一致性的效果。3.根据上述研究内容,设计并实现了单幅图像阴影检测与去除系统。该系统集成了本文提出的阴影检测和去除方法以及相关经典算法。(本文来源于《西安理工大学》期刊2019-06-30）
陈琦[6]（2019）在《基于特征和字典学习的图像阴影检测与去除方法研究》一文中研究指出图像阴影检测与去除是计算机视觉和图像处理领域中非常重要的基础工作,可有效协助实现场景恢复、目标识别以及特征提取等,在农业、气象、通信、智能交通、遥感、医学等领域得到广泛应用。目前阴影检测和去除方法的研究已经取得一定的成果,但由于阴影产生的随机性、多样性以及复杂性,现有算法存在一定的局限性,难以满足不同应用场合的需求。因此,深入研究各类阴影检测与去除算法并进行优化,提高阴影检测与去除算法的普适性,具有重要现实意义。本文针对单幅静态图像的阴影检测和去除问题展开研究和讨论,主要介绍了图像阴影检测和去除方法的目的和意义,描述了图像阴影的分类和性质,梳理了近些年来图像处理领域提出的阴影检测和去除算法。针对现有算法阴影漏检、误检和去除效果不理想等不足进行了研究,提出了叁种阴影检测和去除算法。主要工作内容如下:(1)针对自动阴影检测算法不能准确检测复杂场景阴影,无法正确区分阴影区和暗区等问题,提出了一种基于高斯混合模型的交互式阴影检测方法。通过交互可人为提供场景的上下文语义信息,帮助算法理解场景内容。首先,利用近邻传播算法对图像进行聚类,根据像素颜色和位置降采样为小块图像,提高检测效率;其次,构建了一个包含光强、颜色和纹理特征等六维特征向量的高斯混合模型笔刷,通过少量人工交互帮助算法识别图像阴影区和非阴影区;最后,对图像进行多尺度双边滤波,使得图像在保留阴影区域边界信息的同时,减少阴影区域内噪声,平滑阴影区域,提高检测结果正确率。在存在多个阴影区域的复杂情况下,可以进行多次交互和迭代操作,获得较理想的检测结果。实验结果证明我们提出的算法阴影检测准确率较高。(2)针对光照迁移阴影去除方法使用线性仿射模型时采用全局统一迁移算子的不足之处,提出了一种自适应光照迁移阴影去除算法。该算法可实现纹理复杂和亮度不均图像阴影区域的光照恢复。首先根据图像阴影区域的分布及颜色和纹理特征,自适应地将图像分割为若干阴影子区域和非阴影子区域,并根据颜色和纹理等特征进行计算,将相似度高的非阴影区域子区域与阴影子区域进行匹配;然后在每对匹配子区域中,建立自适应亮度恢复算子,将阴影子区域中的阴影去除,同时对相邻阴影子区域边界进行亮度一致优化;最后根据阴影边界处的光强急剧变化的特性,对阴影边界区域进行了单独的检测和处理。算法简单有效,可对具有复杂纹理结构和阴影区域亮度不均的图像进行阴影去除,恢复的光照基本与周围环境保持视觉上的一致。(3)结合稀疏表示和字典学习理论在图像恢复中的优势,提出了一种基于图像特征和字典学习的阴影去除算法。首先,根据阴影检测时得到的像素阴影概率值,进行初步光照恢复,使阴影区域与非阴影区域具备一致的亮度级别,有效保证后续区域匹配准确性;其次,根据图像自适应分解后的匹配关系,采用非局域稀疏表示模型,建立阴影子区域中图像块与非阴影子区域中匹配图像块间的联系,选取若干匹配块构造组矩阵;然后,根据组稀疏对图像进行稀疏表示和字典学习,将问题转化为稀疏表示求解问题;最后,针对阴影暗区纹理细节丢失严重的问题,用形态成分分析方法对图像进行分解,获取图像的平滑层和纹理层,对阴影区域的纹理信息进行有效恢复。本算法自然地实现了阴影边界的恢复,与非阴影区域融合,基本满足主观视觉要求。(本文来源于《华中师范大学》期刊2019-05-01）
王杰,夏飞[7]（2018）在《网球比赛中运动员检测及阴影去除算法研究》一文中研究指出提出了一种基于运动员检测和改进混合高斯模型相结合的方法,对网球比赛中的运动员阴影进行去除。首先采用圆形检测的方法,对比赛图像中的运动员进行检测。然后根据确定的运动员位置,缩小背景建模的区域。接下来,针对网球运动员接发球时移动较缓慢,容易被"漏检"的问题,提出了八邻域的改进混合高斯模型进行阴影检测。最后将图像转换到HSV颜色模型,利用该颜色模型上阴影信息的特征值差异实现阴影消除。为了验证提出的方法,分别比较了本方法和混合高斯建模及背景差分建模对于阴影消除的效果。此外,还进行了不同光照条件下的阴影去除实验。实验结果证明,采用所提出的方法对网球比赛中运动员阴影的去除均具有较好的效果。(本文来源于《电子测量与仪器学报》期刊2018年06期）
白杰[8]（2018）在《高空间分辨率遥感影像中阴影检测与去除算法的实现》一文中研究指出遥感影像上的阴影区域是由于地物的遮挡引起光照辐射能量的不足造成的。在进行左权县农村土地确权的过程中发现,确权所用高分辨率的航空摄影图像上存在许多由山脉或大树等高大地物造成的阴影区域,给阴影区域内地物的识别和权属界限的划定造成困难。本文针对高分辨率真彩色航空遥感影像上的阴影区域,通过对现有阴影检测和去除算法的比较研究,提出适合本研究所用影像使用的阴影检测和去除的算法,经检验具有较好的阴影检测和去除的效果'并在此基础上,基于MATLAB开发出了阴影识别和去除的软件。研究结果对地物的正确识别、土地权属界限的准确划定及植被研究等具有重要的意义。具体的研究结果如下:(1)通过对基于IHS色彩空间变换的阴影检测算法、基于黑体辐射的阴影检测算法、基于直方图的检测算法、基于C3通道的阴影检测算法的原理及优缺点的比较研究,本文提出了一种基于HSV-C1C2C3彩色模型的阴影检测算法,该算法将高分辨的遥感影像在色彩空间中进行转换,通过对其分量的比值运算、阈值的确定,最后通过数学形态的闭运算来实现阴影的检测。将此算法与基于直方图的检测算法的检测结果进行实验验证对比,结果表明本文提出的检测算法,在准确度指标和精度指标上比直方图检测算法高,其准确度指标和精度指标在90%左右,可以证明本文提出的基于HSV-C1C2C3彩色模型的阴影检测算法的检测精度比较高。(2)通过对Wallis阴影去除算法、Retinex阴影去除算法、直方图均衡阴影去除算法的原理及优缺点的比较研究,本文提出了一种基于通用灰度世界颜色恒常的阴影去除算法,该算法将高分辨率遥感影像分量的均值趋于同一个灰度值,把视觉颜色恒常原理应用于阴影区域与非阴影区域,分别对其进行卷积运算,通过计算其阴影区域影像的增益来去除阴影区域。将此算法与Retinex阴影去除算法、直方图均衡去除算法进行实验验证对比,结果表明本文提出的算法,在均值和标准差特征值上明显低于Retinex阴影去除算法和直方图均衡去除算法,而在熵特征值上明显高于Retinex阴影去除算法和直方图均衡去除算法,其均值和标准差的降低分别代表影像的色调偏差变小、颜色反差变小,而熵的增加代表着影像信息量丰富,可以证明本文提出的基于通用的灰度世界颜色恒常阴影去除算法有较好的恢复效果。(3)本文根据农村土地确权所用遥感影像上阴影去除的实际需要,设计了 一个遥感影像阴影检测与去除的应用软件,该软件包括四个模块,分别是色彩空间转换模块、阴影检测模块、阴影去除模块和特征值统计模块;集成了两种阴影检测算法、叁种阴影去除算法;然后在MATLAB平台上进行编译开发,实现了本文提出的遥感影像的阴影检测与去除的功能,达到了遥感影像中阴影信息补偿的目的。(本文来源于《山西农业大学》期刊2018-06-01）
葛乐[9]（2018）在《遥感影像高大建筑物阴影检测与去除算法研究》一文中研究指出建筑物阴影存在于高分辨遥感影像中。一方面,阴影的存在引起图像视觉效果的退化,造成遥感影像信息量的减小。所以需要对其进行检测和去除,以满足高级应用的需求;另一方面,通过阴影的检测,还可以提取图像有效信息,如建筑物轮廓、高度等,增强了图像的应用潜力。随着高分辨卫星光学遥感技术的发展,对影像的高级处理要求日益提升,图像的美观可视化和用户直观性是影像高级处理追求的重要目标。建筑物阴影普遍存在于高分辨遥感影像中。高分辨遥感图像中建筑物阴影大量存在,造成遥感影像信息量的减小,不仅对图像信息量和可视化造成损失,且影响遥感图像的解译和要素的定量提取。特别是当分辨率进入米级以后,在城市类遥感图像中,由于众多高大建筑物的存在,阴影造成的低照度区域在图像上的占比高,影响非常严重。因此,高分辨遥感图像的阴影识别和处理已经成为遥感图像高级处理的重要研究对象。本文对现有的阴影检测算法-双阈值阴影检测算法与基于阴影指数SI(Shadow Index)的阴影检测算法进行了学习和仿真,分析研究发现,上述方法在特定的应用条件下均可以进行较为准确的建筑物阴影检测,但是同样存在一些问题。本文提出了一种基于主成分变换与HSI空间光谱特征的阴影检测算法,并结合基于阴影概率约束的方法,成功检测存在水体表面的高大建筑物阴影。根据HSI空间中阴影低亮度高饱和度的特征,并结合不同地物经过主成分变换后的第一主成分(PCA_1)值的差异,成功构建阴影指数;同时结合阴影概率的概念,对水体阴影以及周围水体区域进行阴影概率约束,最终得到完整的阴影检测结果,成功检测存在水体表面的高大建筑物阴影。实验结果表明文章所提出的方法优于现有的双阈值阴影检测方法以及基于阴影指数SI的方法,不仅能够检测出存在于地面上的高大建筑物阴影,同时能够成功检测存在于水体表面的高大建筑物阴影。在现有的阴影检测方法能较好的定位出阴影的基础上,论文进行阴影去除方法的研究。本文对现有的基于直方图均衡化的阴影去除算法,基于伽马变换的阴影消除算法以及基于多尺度Retinex(MSR)的阴影去除算法原理和算法进行了介绍,两种方法的仿真实验结果说明上述方法在色偏与边缘处理上存在问题。本文利用自适应正则化的阴影去除算法,在强度域上进行阴影补偿,同时保持非阴影区域的信息。利用正则化能量函数,其包括一个保真项和正则化项,对阴影区域的信息进行补偿,并且对阴影边缘区域进行正则化处理,最终得到完整的遥感影像阴影去除结果。本文提出的正则化阴影去除方法增加了图像阴影区域的亮度以及提升了亮度的均匀性。阴影区域的色调,亮度以及纹理细节都得到了恢复。在保证非阴影区域信息不变的前提下,有效恢复阴影区域的信息,去除高大建筑物阴影。正则项平滑边界痕迹,使图像的非阴影区域和阴影区域过渡平滑。(本文来源于《中国科学院大学(中国科学院长春光学精密机械与物理研究所)》期刊2018-06-01）
岳照溪[10]（2018）在《高分辨率遥感影像阴影检测与去除技术研究》一文中研究指出伴随着航空航天与摄影技术的进步,遥感影像成为大面积获取地面信息最快速便捷的途径,在目标检测与识别、影像分割与变化检测等方面都有广泛应用。但是光照条件和地形高低起伏,以及高分辨率城市影像中的密集高大建筑物,都会因遮挡关系造成阴影。阴影虽然有助于感官叁维场景的建立,但是会对地表信息的提取造成干扰,降低影像质量,对于影像解译、定量反演、以及细节信息的提取都有消极的影响。为了消除阴影在遥感影像应用中的诸多问题,需要还原阴影处纹理和色彩信息,进而提高遥感影像的使用效率。本文针对单张遥感影像进行阴影检测与去除的理论与方法开展研究,按地形将遥感影像分为山地区域与城市区域,分别讨论DEM辅助下Landsat遥感影像的山地区域阴影检测与地形辐射校正,以及没有DEM辅助的高分辨率城市遥感影像阴影检测与去除方法,并结合深度学习的理论基础,对其在阴影检测方面的应用进行了初步实验。本文围绕高分辨率遥感影像阴影检测与去除中的难点问题展开研究,主要内容如下:(1)回顾国内外在地形辐射校正、阴影检测与去除等领域的研究现状,总结现有的方法与思路。(2)针对山区地形起伏,阐述该类区域阴影的成因与分类,在DEM辅助下对Landsat卫星影像进行山区阴影检测、地形辐射校正与阴影去除的研究。(3)阐述高分辨率城市遥感影像的阴影检测与粗差剔除,分析了深度学习在阴影检测领域的问题和应用,结合图像分割、矩匹配与局部优化等方法进行阴影的去除研究。(4)通过实验更为全面地验证本文提出的阴影检测与去除算法,阐述并分析方法的适用性和局限性。实验结果表明本文方法改善了传统地形辐射校正的效果,在DEM的辅助下可以在山区得到更为理想的阴影去除效果,在城市区域本文方法可以得到更精确的阴影检测结果,结合深度学习阴影检测可以得到更好的阴影结果,从而得到较为准确的阴影范围,并实现了基于四波段高分辨率遥感影像的全自动阴影去除。(本文来源于《武汉大学》期刊2018-05-01）
阴影检测和去除论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比(PSNR)和结构相似度(SSIM)这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如:在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
阴影检测和去除论文参考文献
[1].王威,李志华,吴世宇.基于多特征融合的车辆阴影检测与去除[J].计算机与现代化.2019
[2].梁永侦,潘斌,郭小明,梁媛.基于LAB颜色空间的图像阴影检测与去除方法[J].计算机与现代化.2019
[3].王林,和萌.基于改进混合高斯模型与阴影去除的目标检测[J].计算机测量与控制.2019
[4].方岚,于凤芹.去除鬼影及阴影的视觉背景提取运动目标检测算法[J].激光与光电子学进展.2019
[5].郭玲.基于单幅图像的阴影检测与去除方法及系统[D].西安理工大学.2019
[6].陈琦.基于特征和字典学习的图像阴影检测与去除方法研究[D].华中师范大学.2019
[7].王杰,夏飞.网球比赛中运动员检测及阴影去除算法研究[J].电子测量与仪器学报.2018
[8].白杰.高空间分辨率遥感影像中阴影检测与去除算法的实现[D].山西农业大学.2018
[9].葛乐.遥感影像高大建筑物阴影检测与去除算法研究[D].中国科学院大学(中国科学院长春光学精密机械与物理研究所).2018
[10].岳照溪.高分辨率遥感影像阴影检测与去除技术研究[D].武汉大学.2018